Theory of computationIn theoretical computer science and mathematics, the theory of computation is the branch that deals with what problems can be solved on a model of computation, using an algorithm, how efficiently they can be solved or to what degree (e.g., approximate solutions versus precise ones). The field is divided into three major branches: automata theory and formal languages, computability theory, and computational complexity theory, which are linked by the question: "What are the fundamental capabilities and limitations of computers?".
Model of computationIn computer science, and more specifically in computability theory and computational complexity theory, a model of computation is a model which describes how an output of a mathematical function is computed given an input. A model describes how units of computations, memories, and communications are organized. The computational complexity of an algorithm can be measured given a model of computation. Using a model allows studying the performance of algorithms independently of the variations that are specific to particular implementations and specific technology.
Lie bracket of vector fieldsIn the mathematical field of differential topology, the Lie bracket of vector fields, also known as the Jacobi–Lie bracket or the commutator of vector fields, is an operator that assigns to any two vector fields X and Y on a smooth manifold M a third vector field denoted [X, Y]. Conceptually, the Lie bracket [X, Y] is the derivative of Y along the flow generated by X, and is sometimes denoted ("Lie derivative of Y along X"). This generalizes to the Lie derivative of any tensor field along the flow generated by X.
Parametrization (geometry)In mathematics, and more specifically in geometry, parametrization (or parameterization; also parameterisation, parametrisation) is the process of finding parametric equations of a curve, a surface, or, more generally, a manifold or a variety, defined by an implicit equation. The inverse process is called implicitization. "To parameterize" by itself means "to express in terms of parameters". Parametrization is a mathematical process consisting of expressing the state of a system, process or model as a function of some independent quantities called parameters.
Normale (géométrie)En mathématiques, et plus précisément en géométrie, la droite normale à une courbe ou à une surface en un point est une droite perpendiculaire à la tangente ou au plan tangent en ce point. Tout vecteur directeur de cette droite est appelé vecteur normal à la courbe ou à la surface en ce point. Une convention fréquente pour les surfaces fermées est de particulariser un vecteur normal unitaire, vecteur de norme 1 et orienté vers l'extérieur.
VolumeLe volume, en sciences physiques ou mathématiques, est une grandeur qui mesure l'extension d'un objet ou d'une partie de l'espace. En physique : le volume d'un objet ou d'une figure géométrique tridimensionnelle et fermée mesure l'extension dans l'espace physique qu'il ou elle possède dans les trois directions en même temps, de même que l'aire d'une figure dans le plan mesure l'extension qu'elle possède dans les deux directions en même temps ; par extension, on étend la notion de volume à des espaces abstraits, dont les coordonnées peuvent avoir une ou des dimensions autres que celle d'une longueur.
Parameterized approximation algorithmA parameterized approximation algorithm is a type of algorithm that aims to find approximate solutions to NP-hard optimization problems in polynomial time in the input size and a function of a specific parameter. These algorithms are designed to combine the best aspects of both traditional approximation algorithms and fixed-parameter tractability. In traditional approximation algorithms, the goal is to find solutions that are at most a certain factor away from the optimal solution, known as an -approximation, in polynomial time.
Complexité paramétréeEn algorithmique, la complexité paramétrée (ou complexité paramétrique) est une branche de la théorie de la complexité qui classifie les problèmes algorithmiques selon leur difficulté intrinsèque en fonction de plusieurs paramètres sur les données en entrée ou sur la sortie. Ce domaine est étudié depuis les années 90 comme approche pour la résolution exacte de problèmes NP-complets. Cette approche est utilisée en optimisation combinatoire, notamment en algorithmique des graphes, en intelligence artificielle, en théorie des bases de données et en bio-informatique.
Loi normaleEn théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.
